Índice INTRODUCCION 2 TENDENCIA

Anuncio
Índice
• INTRODUCCION
• TENDENCIA
• PROMEDIOS MÓVILES
• VARIACIONES CÍCLICAS E IRREGULARES
• VARIACIONES ESTACIONALES
• MÉTODO DE LA RAZÓN AL PROMEDIO MÓVIL
• ALISAMIENTO EXPONENCIAL
• BIBLIOGRAFIA
2
4
6
7
9
10
11
12
Introducción
Una SERIE cronológica es un conjunto de observaciones ( ordenado en términos de tiempo). Algunos
ejemplos de series cronológicas serian aspectos tales registros de precipitación pluvial diaria, las ventas
semanales, el producto nacional bruto trimestral, mediciones de la temperatura.
El objeto de analizar tales datos es determinar si se presentan ciertos patrones o pautas no aleatorias.
Algunas veces se trata de descubrir patrones no aleatorios que se puedan utilizar para predecir el futuro.
En otras coacciones, el objetivo es asegurarse de que no haya patrones no aleatorios. En estos casos, dichos
patrones son considerados como una señal de que un sistema o proceso esta fuera de control.
La siguiente explicación tiene relacion con el análisis intrínseco, el cual se concentra en los datos históricos
de la variable de estudio. Cabria destacar que el análisis intrínseco es ampliamente empleado en los negocios
y en l a industria. El objetivo reconocido del análisis intrínseco es describir mas que explicar los patrones
históricos de los datos (es decir, identificar diversos patrones). Además el supuesto en el que se basa el
análisis intrínseco, estable que existe un constante sistema causal relacionado con el tiempo, el cual influye en
los datos. En otras palabras, los datos históricos supuestamente reflejan l a influencia de todos los factores de
manera uniforme atravez del tiempo. Por ejemplo, un estudio de ventas realizadas en un periodo de 14 años
puede revelar que las ventas han aumentado de manera uniforme a razón de casi 10% anual. Con base en esto
se lleva a cabo una proyección de las ventas futuras, suponiendo que cualesquiera que fuesen las fuerzas que
hayan dado lugar a este patrón, continuaran en le futuro.
TENDENCIA
La tendencia secular se refiere a desplazamientos de los datos a largo plazo hacia arriba o hacia abajo. Existen
2 objetivos básicos para aislar el componente de la tendencia de una serie cronológica.
Es identificar la tendencia y utilizarla, como por ejemplo, al hacer una predicción o pronostico. El otro
consiste en eliminar la tendencia, de manera que se puedan estudiar los otros componentes de una serie
cronológica. Así, en términos de predicciones, la investigación de l a tendencia puede proporcionar cierta idea
con respecto ala dirección a largo plazo de una serie de tiempo.
Es identificar, a fin e que sea posible tomar en cuenta la tendencia en las decisiones de planeación.
En la siguiente taba se presentan datos de series cronológicas en lo referente a un periodo de 20 años
1
toneladas
10
11
9
11
12
15
13
17
16
13
14
10
18
16
20
22
14
21
17
21
año
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
Ahora obtengamos una recta de tendencia mediante las formulas siguientes:
b= n"tY−"t"Y
n"t"2 − ("t)"2
a="Y−b"t
n
Sustituyendo:
año
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
Periodo t
1
2
3
4
5
6
7
8
9
10
toneladas
10
11
9
11
12
15
13
17
16
13
tY
10
22
27
44
60
90
91
136
144
130
t*2
1
4
9
16
25
36
49
64
81
100
2
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
11
12
13
14
15
16
17
18
19
20
14
10
18
16
20
22
14
21
17
21
154
120
234
224
300
352
238
378
323
420
121
144
169
196
225
256
289
324
361
400
Aplicando las formulas
b= 20(3497)−210(300) =0.52
20(2870)−(210) "2
a= 300−0.52 =9.52
20
Y=9.52+0.52t
En la cual
Yt =valor predicho de l a serie cronológica
a= valor de Yt cuando t=0
b= pendiente de la recta
t= número de periodos
** No hay que olvidar que n es él numero de observaciones. Por consiguiente, para fines prácticos, los
cálculos son idénticos a los que se ilustraron anteriormente.
PROMEDIOS MÓVILES
Un segundo método para el análisis de l a tendencia es utilizar un promedio móvil, el cual es un valor medio
de los últimos K puntos de datos, digamos, las ultimas 10, 15 o 22 observaciones.
Por ejemplo, si se supone que el promedio esta compuesto de las ultimas 12 observaciones (k=12), entonces, a
medida que se considere cada nueva observación ( incluida en el promedio), se suprime la más antigua ( el
dato 12). Un promedio móvil es el valor medio aritmético de las k observaciones.
PM=" Y
I=t−k .
K Considérese las siguientes series, para las cuales se ha desarrollado un promedio móvil de cinco periodos.
3
Y
9
10
12
8
6
14
20
16
6
Total Móvil (5
periodos)
TM/5 PM
45(=9+10+12+8+6) 45/5=9
50(=45+14−9)
50/5=10
60(=50+20−10)
60/5=12
64(=60+16−12)
64/5=12.8
62(=62+8−8)
62/5=12.4
Observe que primero se calcula el Total móvil ( la suma de las ultimas 5 observaciones), y que el promedio
móvil se obtienen dividiendo el total móvil entre él numero de periodos (valores) en dicho total. De este
modo, siempre habrá k observaciones en el total móvil, por lo que el promedio se mueve a medida que se
agregan nuevos puntos y se suprimen los puntos mas antiguos. Por tanto, para obtener el siguiente promedio,
se suprime el valor más antiguo y se agrega un nuevo valor.
La practica usual es ubicar al promedio móvil en un punto que se encuentre ala mitad entre los puntos
cronológicos de las observaciones mas recientes y más antigua, o bien, en un punto en el tiempo que
corresponda ala observación más actual. Este ultimo método se ilustra en el ejemplo anterior. Si el propósito
es predecir el siguiente valor, se deberá utilizar el valor actual del promedio móvil. Si el intento es únicamente
alisar los datos, entonces es más apropiado colocar en el centro el promedio móvil, entre le primer y ultimo
puntos. En realidad, de los dos enfoques el método de centrado es el que se usa con mas frecuencia.
año
Periodo t
toneladas
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
10
11
9
11
12
15
13
17
16
13
14
10
18
16
20
22
14
21
Promedio móvil de 5 periodos
PM
10.3
10.6
11.6
12
13.6
14.6
14.8
14.6
14
14.2
14.2
15.6
17.2
18.6
18.8
19
4
1972
1973
19
20
17
21
VARIACIONES CICLICAS E IRREGULARES
Las variaciones cíclicas son de tipo periódico y presentan mas de un año de duración. Comúnmente, tales
variaciones no se pueden apartar de las de naturaleza irregular, por lo que se analizaran juntas. Para aislar las
variaciones cíclicas, las otras variaciones (de tendencia y estacionales) se deben separar de los datos de las
series cronológicas. Las variaciones estacionales se suprimen en forma efectiva utilizando cifras anuales ( ya
que las variaciones estacionales se definen como ciclos de un año o menos duración, las cifras anuales no
mostraran fluctuaciones estacionales) o bien − analizar cifras mensuales − Utilizando un promedio móvil de
doce meses. A continuación se extrae la tendencia de los datos, y lo que queda se considera como el total de
fluctuaciones cíclicas e irregulares.
Para eliminar la tendencia se requiere obtener una recta (o curva) de tendencia. Esto se puede realizar
utilizando una ecuación de regresión o un promedio móvil de largo plazo. La eliminación de la tendencia a
partir de los datos depende de sí se utiliza el modelo aditivo o el multiplicativo. En el primero, cada
observación se resta del valor correspondiente de la tendencia. El resultado es una serie de desviaciones con
respecto a esta.
En esta gráfica se muestran los datos con eliminación de l a tendencia, dejando solo los ciclos.
5
En esta gráfica se muestran los datos originales con tendencia y ciclos.
En este ejemplo se muestra el método para eliminar la tendencia en los datos del modelo aditivo, dada una
ecuación de regresión lineal que se deriva de los mismos.
t
Datos
originales Y
Tendencia
Yt=10+2t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
12
15
18
19
20
21
22
25
28
31
34
35
36
37
38
41
44
47
12
14
16
18
20
22
24
26
28
30
32
34
36
38
40
42
44
46
Datos sin
tendencia
Y−Yt
0
1
2
1
0
−1
−2
−1
0
1
2
1
0
−1
−2
−1
0
1
6
19
20
50
51
48
50
2
1
VARIACIONES ESTACIONALES
Las fluctuaciones estacionales son variaciones que se repiten regularmente en un periodo de un año. Existen 2
objetivos generales para aislar el componente estacional de una serie cronológica. El primero es eliminar ese
patrón a fin de estudiar las fluctuaciones cíclicas. La segunda finalidad es identificar factores estacionales, de
esta manera que se puedan considerar en la toma de decisiones. Por ejemplo si una compañía productora se da
cuenta de que existen fluctuaciones estacionales en la demanda de un determinado, producto, es posible que
desee ajustar sus presupuestos, mano de obra e inventarios, teniendo esto en mente. Por lo general tales ajustes
resultan muy costosos. Por ejemplo, compañía puede buscar un producto complementario. El cual presente
variaciones estacionales en su de manda opuesta alas del mismo. La demanda de equipo de calefacción.
Para probar y encarar los patrones estacionales, es necesario identificar y determinar primero la extensión de
estas variaciones. La Técnica mas difundida para el análisis estacional es el método de l a razón al promedio
móvil.
MÉTODO DE LA RAZÓN AL PROMEDIO MÓVIL
Este método produce índices semanales, mensuales o trimestrales, que establecen observaciones de series
cronológicas, en términos de un porcentaje el total anual (es decir, como relativos estacionales).
Por ejemplo, si el mes de junio tiene un índice estacional de 0.80, esto indica que las ventas medias en junio
80% del promedio mensual. Si un trimestre presenta un índice estacional del 2.00, esto quiere decir que las
ventas para un trimestre son aproximadamente el doble de la cantidad promedio para todos los trimestres.
A continuación se presenta el desarrollo paso a paso.
• El primer paso es obtener un promedio móvil anual, a fin de suprimir las variaciones estacionales. Por lo
tanto, si los datos se presentan en forma trimestral, se va a requerir un promedio móvil de 4 periodos; si se
consideran datos mensuales, se necesitara un promedio móvil de 12 periodos. Si los datos se presentan en
forma anual será imposible determinar índices estacionales, ya que las variaciones estacionales
automáticamente se suprimirían. Si se utiliza un numero par de periodos, para obtener el promedio móvil
anual, surgirá un problema en el centrado de los datos, puesto que el centro no corresponderá a ninguno de
7
los datos originales. Una forma de resolver este problema es encontrar un promedio móvil de 2 periodos de
los promedios móviles, lo cual dará lugar que corresponda a un punto de los datos: A continuación se
ilustra dicha solución.
1
2
3
4
5
6
Punto central de los centros
centro
centro
• El siguiente paso consiste en dividir los datos originales entre los valores correspondientes del promedio
móvil. En efecto, esto elimina las variaciones de tendencia y cíclicas de los datos, dejando solo las
variaciones estacionales, irregulares y aleatoria simbólicamente esto es
Y = T*C*E*I=E*I
PM T*C
• A Continuación se agrupan los relativos de periodos semejantes y se obtiene la razón estacional promedio
para cada periodo; por ejemplo, si se utilizan datos mensuales, se agrupan todos los de enero y se calcula su
promedio; se reúnen todos los de febrero y se determina su problema; y así sucesivamente; por lo general se
calcula un valor medio modificado; esto comprende la eliminación de las cifras más altas y más bajas de
cada grupo antes de obtener el promedio.
• Por ultimo, las cifras resultantes se estandarizan. Esto lleva a cabo mediante el ajuste de los índices
relativos, de manera que se sumen al numero de periodos. Por tanto, si hubiera 12 periodos, en total de los
relativos estacionales debería ser 12. En el ejemplo que se presenta a continuación hay cuatro periodos por
lo que la suma de los periodos será igual a cuatro. De igual modo, debido al redondeo, las cifras también
suman cuatro. Supóngase que la cifra desarrollada sea 5 en lugar de 4. El ajuste se llevaría a cabo
multiplicando cada relativo estacional por 4/5. De este modo, se divide el número de periodos del promedio
móvil entre la suma de relativos y se multiplica cada relativo por el resultado.
Ejemplo
Dados los datos de ventas trimestrales, utilice el método de razón al promedio móvil, para obtener relativos
trimestrales, mediante el procedimiento explicado anteriormente.
Agrupado los relativos (Y/B) por trimestres, se obtienen los resultados siguientes:
I
II
1.02
1.01
1
1.02
0.99
3.03
1.01
0.89
0.87
0.88
0.86
0.87
2.62
0.87
III
1.02
0.94
1.03
1.03
1.05
IV
1.07
1.09
1.1
1.09
1.1
3.08
1.03
3.28
1.09
Totales modificados
8
Valores medios modificados(relativos estacionales)
ALISAMIENTO EXPONENCIAL
Este es un método, que utiliza una ecuación de un promedio móvil, exponencialmente ponderado, que alisa las
variaciones al azar de los datos de series cronológicas. La finalidad del alisamiento es obtener una imagen mas
clara de cualquier patrón no aleatorio que pudiera existir en los datos. Una vez mas, es de suponerse que los
datos están compuestos por variaciones de tendencia, cíclicas y estacionales, así como por fluctuaciones al
azar.
En términos generales, cuando se utiliza el método del promedio móvil se debe tener en consideración la
pregunta de ¿ cuantos periodos se deben incluir en dicho promedio?
Cuanto más datos incluidos en el promedio, menos posibilidad habrá de que cada nuevo dato altere dicho
promedio, mientras que cuanto menor sea él numero de periodos incluidos, mayor será la probabilidad de que
el promedio resulte afectado por los nuevos datos.
La ecuación para la determinación del alisamiento exponencial es:
Vs= Vs−1+(D−Vs−1)
En la cual
Vs= nuevo valor
Vs−1= valor anterior alisado
D = siguiente punto de datos
= factor de alisamiento
El valor alisado V, es igual a valor anterior mas un porcentaje ( ) de la diferencia entre el valor anterior y el
siguiente punto de los datos. ( el factor de alisamiento no debe ser confundido con la usada en las pruebas
de significación ( no existe relación alguna entre ellas).
BIBLIOGRAFIA
Estadistica para Administracion y Economia
William J.
9
10
Descargar